来源：经济日报
数据要素与数据训练式人工智能的发展正在深刻驱动劳动力市场变革。应主动顺应技术变革趋势，加快完善制度保障和技能培训体系，实现劳动力市场的平稳有序转型。
当前，数据作为新型生产要素，已成为数字经济时代的“石油资源”。《数字中国发展报告》显示，我国数据产量已达8.1ZB，位居全球前列。海量数据的积累孕育了DeepSeek等具有国际影响力的开源大模型，更催生了以深度学习、大语言模型为代表的“数据训练式人工智能”。与以往以自动化设备为主的“反应机器式人工智能”不同，数据训练式人工智能更强调数据驱动下的自主学习与复杂任务处理能力，其强大的生产力和创造力在各行各业展现出巨大潜力。
这种技术演进对劳动力市场产生了双重影响：一方面，数据训练式人工智能在创意生成、策略分析等领域的良好表现，可能进一步挤压中高端岗位；另一方面，技术扩散催生的新产业、新业态，又将创造大量高技能岗位。例如，生成式人工智能推动内容创作产业规模扩张，带动数据标注、模型优化等产业链就业需求；智能驾驶技术发展刺激传感器研发、交通系统运维等人才需求。这种“替代—创造”并存的效应，使我国“就业难”“招工难”并存的结构性就业矛盾更趋复杂。
数据要素与数据训练式人工智能的发展正在深刻驱动劳动力市场变革。把握这一历史机遇，必须主动顺应技术变革趋势，加快完善制度保障和技能培训体系，实现劳动力市场的平稳转型，为经济高质量发展奠定坚实基础。政府需要发挥战略引领作用，充分利用数据训练式人工智能的生产模式，推动劳动力市场有序转型。
在供给侧方面，应推动教育体系升级，尤其是将数字化技能纳入基础教育，并在职业教育和高等教育中增设与数字化转型和人工智能相关的课程，形成“人工智能+X”复合型专业。同时，推动“双导师制”联合培养机制，定向培养高技能人才。还需加快数据要素市场建设，建立数据产权交易平台，推动数据开放，降低数据获取成本，制定数据质量标准，提升数据准确性和有效性。
在需求侧方面，加大对企业技术转型的支持，尤其是在算力基础设施领域提供政策补贴，鼓励建设绿色数据中心和智能计算中心，降低算力成本。支持制造业、农业和服务业等领域的数据训练式人工智能应用示范项目，建立“AI转型诊断”制度，评估企业自动化潜力并制定岗位重构方案。同时，推动企业间共享员工，优化劳动力配置，特别是为新岗位提供灵活转岗机会。
在供需平衡方面，需加强政策协调，建立动态监测和劳动力市场预警平台，发布技能培训指南，推动行业技能认证互通。政府还可以为受AI影响的劳动者提供专项补贴，推动对相关劳动者的再教育，帮助他们顺利转型。